Machine learning (ML) methods still have limited applicability in personalized oncology due to low numbers of available clinically annotated molecular profiles. This doesn’t allow sufficient training of ML classifiers that could be used for improving molecular diagnostics. We reviewed published datasets of high throughput gene expression profiles corresponding to cancer patients with known responses on chemotherapy treatments. We browsed Gene Expression Omnibus (GEO), The Cancer Genome Atlas (TCGA) and Tumor Alterations Relevant for GEnomics-driven Therapy (TARGET) repositories. We identified data collections suitable to build ML models for predicting responses on certain chemotherapeutic schemes. We identified 26 datasets, ranging from 41 till 508 cases per dataset. All the datasets identified were checked for ML applicability and robustness with leave-one-out cross validation. Twenty-three datasets were found suitable for using ML that had balanced numbers of treatment responder and non-responder cases. We collected a database of gene expression profiles associated with clinical responses on chemotherapy for 2786 individual cancer cases. Among them seven datasets included RNA sequencing data (for 645 cases) and the others – microarray expression profiles. The cases represented breast cancer, lung cancer, low-grade glioma, endothelial carcinoma, multiple myeloma, adult leukemia, pediatric leukemia and kidney tumors. Chemotherapeutics included taxanes, bortezomib, vincristine, trastuzumab, letrozole, tipifarnib, temozolomide, busulfan and cyclophosphamide.

中文翻译：

---

与化疗治疗的临床结果相关的癌症基因表达谱。

由于可用的临床注释分子谱的数量很少，机器学习 (ML) 方法在个性化肿瘤学中的适用性仍然有限。这不允许对可用于改进分子诊断的 ML 分类器进行足够的训练。我们回顾了已发表的高通量基因表达谱数据集，这些数据集对应于对化疗治疗有已知反应的癌症患者。我们浏览了 Gene Expression Omnibus (GEO)、The Cancer Genome Atlas (TCGA) 和 Tumor Alterations Relevant for GEnomics-driven Therapy (TARGET) 存储库。我们确定了适合构建 ML 模型的数据集合，用于预测某些化疗方案的反应。我们确定了 26 个数据集，每个数据集有 41 到 508 个案例。通过留一法交叉验证检查所有识别出的数据集的 ML 适用性和稳健性。发现 23 个数据集适合使用具有平衡数量的治疗反应者和非反应者病例的 ML。我们收集了与 2786 例癌症个体化疗临床反应相关的基因表达谱数据库。其中七个数据集包括 RNA 测序数据（645 例）和其他 - 微阵列表达谱。病例代表乳腺癌、肺癌、低级别胶质瘤、内皮癌、多发性骨髓瘤、成人白血病、儿童白血病和肾脏肿瘤。化疗药物包括紫杉烷类、硼替佐米、长春新碱、曲妥珠单抗、来曲唑、替比法尼、替莫唑胺、白消安和环磷酰胺。发现 23 个数据集适合使用具有平衡数量的治疗反应者和非反应者病例的 ML。我们收集了与 2786 例癌症个体化疗临床反应相关的基因表达谱数据库。其中七个数据集包括 RNA 测序数据（645 例）和其他 - 微阵列表达谱。病例代表乳腺癌、肺癌、低级别胶质瘤、内皮癌、多发性骨髓瘤、成人白血病、儿童白血病和肾脏肿瘤。化疗药物包括紫杉烷类、硼替佐米、长春新碱、曲妥珠单抗、来曲唑、替比法尼、替莫唑胺、白消安和环磷酰胺。发现 23 个数据集适合使用具有平衡数量的治疗反应者和非反应者病例的 ML。我们收集了与 2786 例癌症个体化疗临床反应相关的基因表达谱数据库。其中七个数据集包括 RNA 测序数据（645 例）和其他 - 微阵列表达谱。病例代表乳腺癌、肺癌、低级别胶质瘤、内皮癌、多发性骨髓瘤、成人白血病、儿童白血病和肾脏肿瘤。化疗药物包括紫杉烷类、硼替佐米、长春新碱、曲妥珠单抗、来曲唑、替比法尼、替莫唑胺、白消安和环磷酰胺。我们收集了与 2786 例癌症个体化疗临床反应相关的基因表达谱数据库。其中七个数据集包括 RNA 测序数据（645 例）和其他 - 微阵列表达谱。病例代表乳腺癌、肺癌、低级别胶质瘤、内皮癌、多发性骨髓瘤、成人白血病、儿童白血病和肾脏肿瘤。化疗药物包括紫杉烷类、硼替佐米、长春新碱、曲妥珠单抗、来曲唑、替比法尼、替莫唑胺、白消安和环磷酰胺。我们收集了与 2786 例癌症个体化疗临床反应相关的基因表达谱数据库。其中七个数据集包括 RNA 测序数据（645 例）和其他 - 微阵列表达谱。病例代表乳腺癌、肺癌、低级别胶质瘤、内皮癌、多发性骨髓瘤、成人白血病、儿童白血病和肾脏肿瘤。化疗药物包括紫杉烷类、硼替佐米、长春新碱、曲妥珠单抗、来曲唑、替比法尼、替莫唑胺、白消安和环磷酰胺。多发性骨髓瘤、成人白血病、儿童白血病和肾肿瘤。化疗药物包括紫杉烷类、硼替佐米、长春新碱、曲妥珠单抗、来曲唑、替比法尼、替莫唑胺、白消安和环磷酰胺。多发性骨髓瘤、成人白血病、儿童白血病和肾肿瘤。化疗药物包括紫杉烷类、硼替佐米、长春新碱、曲妥珠单抗、来曲唑、替比法尼、替莫唑胺、白消安和环磷酰胺。